| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第16-31页 |
| 1.1 研究背景 | 第16-18页 |
| 1.2 研究现状 | 第18-28页 |
| 1.2.1 基于统计分析的分割方法 | 第18-21页 |
| 1.2.2 基于投影图像的分割方法 | 第21-22页 |
| 1.2.3 其他传统的分割方法 | 第22-23页 |
| 1.2.4 基于二维图像的深度学习语义分割方法 | 第23-24页 |
| 1.2.5 基于三维点云的深度学习语义分割方法 | 第24-28页 |
| 1.3 研究目标 | 第28-29页 |
| 1.3.1 点云空间关系的建立 | 第28页 |
| 1.3.2 建筑物平面分割 | 第28页 |
| 1.3.3 基于深度学习的多态目标语义分割方法 | 第28-29页 |
| 1.4 内容安排 | 第29-31页 |
| 第2章 激光点云应用场景与深度学习概述 | 第31-52页 |
| 2.1 激光点云应用场景 | 第31-34页 |
| 2.1.1 室内场景点云 | 第31-32页 |
| 2.1.2 室外场景点云 | 第32-34页 |
| 2.1.3 不同场景点云对比 | 第34页 |
| 2.2 深度学习技术概述 | 第34-51页 |
| 2.2.1 深度学习的基本原理 | 第34-41页 |
| 2.2.2 深度学习多态目标语义分割基准数据集 | 第41-48页 |
| 2.2.3 深度学习的应用 | 第48-50页 |
| 2.2.4 深度学习与激光点云的结合 | 第50-51页 |
| 2.3 本章小结 | 第51-52页 |
| 第3章 LiDAR点云混合索引Kd-OcTree的构建 | 第52-70页 |
| 3.1 两级混合索引结构的确定 | 第52-56页 |
| 3.1.1 全局KD树索引 | 第53-55页 |
| 3.1.2 局部八叉树索引 | 第55-56页 |
| 3.2 Kd-OcTree两级混合索引的构建 | 第56-60页 |
| 3.2.1 Kd-OcTree混合索引的逻辑结构 | 第56页 |
| 3.2.2 Kd-OcTree混合索引的数据结构 | 第56-58页 |
| 3.2.3 Kd-OcTree混合索引的构造算法 | 第58-60页 |
| 3.3 实验结果与性能分析 | 第60-68页 |
| 3.3.1 测试数据 | 第60-62页 |
| 3.3.2 构造索引速度测试 | 第62页 |
| 3.3.3 邻域搜索速度测试 | 第62-63页 |
| 3.3.4 索引结构对三维目标感知效果的影响 | 第63-66页 |
| 3.3.5 阈值敏感度测试 | 第66-67页 |
| 3.3.6 不同索引结构CPU、内存消耗对比分析 | 第67-68页 |
| 3.4 本章小结 | 第68-70页 |
| 第4章 建筑物平面精细特征自动分割算法 | 第70-88页 |
| 4.1 建筑物平面分割 | 第70页 |
| 4.2 算法描述 | 第70-81页 |
| 4.2.1 数据预处理 | 第71-72页 |
| 4.2.2 初始平面分割 | 第72-77页 |
| 4.2.3 平面分割效果优化 | 第77-81页 |
| 4.3 实验结果与分析 | 第81-87页 |
| 4.3.1 测试数据 | 第81-82页 |
| 4.3.2 阈值敏感度分析 | 第82-83页 |
| 4.3.3 算法对比分析 | 第83-85页 |
| 4.3.4 建筑物平面精细特征分割结果可视化 | 第85-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第5章 基于深度学习和二维图像的多态目标语义分割 | 第88-111页 |
| 5.1 基于二维图像的多态目标语义分割 | 第89-92页 |
| 5.1.1 点云描述子 | 第89-90页 |
| 5.1.2 深度卷积神经网络 | 第90-91页 |
| 5.1.3 二维图像与三维点云之间的映射关系 | 第91-92页 |
| 5.1.4 精细特征提取方法 | 第92页 |
| 5.2 研究方法 | 第92-96页 |
| 5.2.1 DVLSHR模型构建 | 第92-94页 |
| 5.2.2 二维图像到三维点云的映射 | 第94-96页 |
| 5.2.3 三维建筑点云的精细分割 | 第96页 |
| 5.3 实验结果与分析 | 第96-109页 |
| 5.3.1 数据集 | 第96-97页 |
| 5.3.2 评价标准 | 第97-98页 |
| 5.3.3 DVLSHR模型训练 | 第98-105页 |
| 5.3.4 多态目标初步语义分割结果 | 第105-106页 |
| 5.3.5 映射结果可视化 | 第106-108页 |
| 5.3.6 基于三维点云的建筑物精细特征分割 | 第108-109页 |
| 5.3.7 结果分析 | 第109页 |
| 5.4 本章小结 | 第109-111页 |
| 第6章 基于深度学习和三维点云的多态目标语义分割 | 第111-132页 |
| 6.1 基于三维点云的多态目标语义分割 | 第112-114页 |
| 6.1.1 三维点云语义数据集 | 第112页 |
| 6.1.2 基于点云的三维卷积神经网络 | 第112-114页 |
| 6.2 研究方法 | 第114-120页 |
| 6.2.1 点云特征描述子 | 第114页 |
| 6.2.2 三维深度卷积网络结构 | 第114-119页 |
| 6.2.3 输入点集的顺序对网络性能的影响 | 第119-120页 |
| 6.3 实验结果与分析 | 第120-130页 |
| 6.3.1 实验环境 | 第121-122页 |
| 6.3.2 评价指标 | 第122页 |
| 6.3.3 网络体系结构验证 | 第122-126页 |
| 6.3.4 多态目标语义分割结果可视化 | 第126-129页 |
| 6.3.5 结果分析 | 第129-130页 |
| 6.4 本章小结 | 第130-132页 |
| 第7章 总结与展望 | 第132-136页 |
| 7.1 总结 | 第132-134页 |
| 7.2 展望 | 第134-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-148页 |
| 作者简历 | 第148-149页 |